فهرست نشریات علمی دسترسی آزاد ایران

طراحی سیستم‌های شناخت مبتنی بر پردازش داده‌های پزشکی علاوه‌بر مزیت غیرتهاجمی بودن در افزایش دانش، درک و فهم بالینی از جایگاه ویژه‌ای برخوردار هستند. شناخت در زمینۀ بیماری پارکینسون، نخست به یک تشخیص دقیق از شدت رعشه بیماران نیاز دارد. از این‌رو، این مطالعه با هدف شناسایی یک الگوی توپولوژیک از سری‌زمانی رعشه در بیماران پارکینسونی سعی در تفکیک دو کلاس شدید و خفیف از سطح این اختلال را دارد. فرضیه مطلوب این است که توپولوژی نقاط بازسازی‌شده از سری‌زمانی رعشه در فضای فاز شامل اطلاعات غنی‌تری برای تحلیل سری-های‌زمانی غیرخطی و غیرایستا می‌باشد. با توجه به کمبود ابزارهای تحلیلی برای استخراج چنین اطلاعاتی، در این مطالعه رویکرد پردازشی جدیدی مبتنی بر تعقیب حالات اساسی تراژکتوری‌ فاز بازسازی‌شده از سری‌زمانی رعشه براساس جهت‌های قطب‌نما ارائه گردید. سپس، الگوی رفتاری مرتبط با شدت رعشه، در قالب یک تاکتیک مبتنی بر استخراج ویژگی‌های پویا محاسبه و در قالب یک تاکتیک سلسله‌مراتبی مبتنی بر تحلیل‌های آماری شناسایی شد. با استفاده از طبقه‌بند KNN به روش اعتبارسنجی Holdout نظارت‌ شده، کلاس رعشه شدید و خفیف برای داده‌های آموزش با صحت، 100% و برای داده‌های آزمایش با صحت 55/96% تفکیک شدند. یافته‌ها نشان داد که الگوی رفتاری متشکل از جهت‌های شمال، شرق و شمال‌غربی در تراژکتوری‌ فاز رعشه با شدت بیماری پارکینسون ارتباط دارد. به‌نحوی‌که، افزایش تغییرپذیری‌نسبی (ضریب‌تغییر)، همزمان با کاهش بی‌نظمیِ (آنتروپی‌شانون) جهت‌های منتخب در طول سری‌زمانی بیان‌گر بیمار مبتلا به رعشه شدید و بالعکس کاهش همزمان تغییرپذیری‌نسبی و افزایش بی‌نظمی در جهت‌های منتخب بیان‌گر رعشه خفیف بود.